Доступ к ИИ есть у всех. Эффект у немногих
Почему одни агенты дают сети эффект в марже, а другие остаются отчётами, которые никто не открывает
Сеть подключает ИИ-агента. Он исправно выдаёт выводы, отчёты приходят вовремя, команда к нему привыкает. А через полгода финансовый директор не может показать, что изменилось в марже. Агент работает, но до P&L его эффект не доходит.
С этим сталкиваются не только в рознице. В 2024 году НЛМК выдал сотрудникам более 600 доступов к инструментам ИИ, и единственным эффектом, который компания увидела по итогам года, стал рост затрат. Об этом рассказал Александр Долгов, вице-президент по цифровой трансформации и информационным технологиям группы НЛМК, на сессии «Эффекты применения искусственного интеллекта в системах управления ресурсами» ИТ-форума «Цифровые решения» в Национальном центре «Россия».
Спикеры сессии из НЛМК, Банка «Санкт-Петербург», MWS AI и Гринатома говорили о промышленности, банке и ИТ. Их выводы совпадают с тем, что команда InfoVizion видит при внедрении агентов в розничных сетях: эффект создаёт не сам агент, а то, во что его встроили.
Агент без процесса только добавляет расходы
В рознице у агента уже есть процесс, в который его можно встроить. Это еженедельный цикл: найти отклонение, разобраться в причине, принять решение и проверить результат. Слабое место цикла обычно не в поиске, отклонения сеть часто находит и без ИИ. Время уходит на то, чтобы договориться о цифрах, найти причину и довести решение до исполнения. Если агента просто подключить к данным, он ускорит ту часть, которая и так работала, а узкие места останутся на месте.
Денис Филиппов, генеральный директор MWS AI (группа МТС), сказал на сессии, что максимальный эффект ИИ даёт тогда, когда компания начинает с пересборки бизнес-процессов и только потом ищет в них место для ИИ. Он же напомнил, что создание и работа каждого агента стоят денег, и немалых. Если компания научилась создавать агентов, а в отчёте о прибылях и убытках этого не видно, это проблема.
Поэтому InfoVizion подключает агента не просто к данным, а к управленческому циклу. До запуска определяют, какие вопросы оперкома он закрывает, кто читает его выводы, кто принимает решение и где это решение фиксируется.
Цифровому сотруднику нужен онбординг
Сырые данные розничной сети почти никогда не готовы для агента. Оборот где-то считается с НДС, где-то без, LFL у коммерции и у финансов расходится, один товар живёт в двух справочниках. А нормативы, например какой уровень OOS нормален для категории, формата и региона или где сеть сознательно держит низкую цену ради трафика, обычно нигде не записаны и живут в голове опытного категорийного менеджера. Человек на таких данных засомневается и пойдёт перепроверять. Агент уверенно ответит по неверным цифрам.
Станислав Кутузов, директор AI-лаборатории Банка «Санкт-Петербург», объяснил, почему в банке агентов называют цифровыми сотрудниками. Как и человек, агент может ошибаться, и вероятность ошибки зависит от контекста и инструкций. По его словам, «нанимая» такого сотрудника, нужно позаботиться, чтобы у него было всё лучшее: информация, доступ к данным и знаниям. А если агент ошибся, за ним не переделывают результат, а возвращаются на шаг назад и уточняют инструкции.
В InfoVizion онбординг агента начинается с данных. До его подключения команда сверяет данные с учётной системой и вместе с финансовым директором утверждает, как считаются оборот, маржа и LFL. Затем специалисты InfoVizion прописывают нормативы вместе с сотрудниками сети и закрепляют их в системе.
Тогда, как и в банке, ошибку агента исправляют один раз, в нормативе, а не на каждом совещании заново.
Решение принимает человек, и его нужно зафиксировать
Даже точный вывод агента ничего не меняет, если после совещания он теряется. Причину назвали, решение приняли, а через неделю никто не вернулся проверить, сработало ли оно. Формально ИИ внедрён, фактически сеть работает как раньше.
Кутузов отметил, что выводы и рекомендации цифровых аналитиков в банке пока проходят через человека как финальную точку.
В рознице мы исходим из того же: агент приносит вывод, решение принимает руководитель. В подходе InfoVizion каждое решение по выводу агента попадает в журнал: у него есть владелец, срок и проверка через неделю. Механика простая, но без неё ускорение аналитики не превращается в ускорение управленческого цикла.
Эффект должен увидеть финансовый директор
Если агент и финансы считают по-разному, первый же спорный вывод на оперкоме ставит под сомнение весь проект. По опыту InfoVizion, после такого совещания к теме ИИ в сети не возвращаются годами.
Результат AI-лаборатории Банка «Санкт-Петербург», по словам Кутузова, оценивает финансовая служба банка, отдельно по каждому проекту. Эффект, который видит только сама команда, в банке эффектом не считается.
Поэтому ИИ-агенты, встроенные в Коммерческую аналитику InfoVizion, ничего не считают сами. Каждая цифра приходит из модели данных, где формулы заранее утверждены финансовым директором сети. Агент сопоставляет разрезы по товарам, магазинам и поставщикам, называет причину отклонения и оценивает её в рублях. Любое число из его вывода раскрывается до магазина, партии и чека прямо на совещании.
Когда цена вопроса посчитана по тем же формулам, по которым финансовый директор ведёт свой отчёт, эффект от решения он может проверить сам, а не принимать на веру.
С чего начать
Розничной сети не обязательно проходить этот путь самой.
Работа с данными и согласование нормативов уже входят в этот срок, поэтому к концу второго месяца сеть получает первые проверенные гипотезы, а не обещания.
Хотите увидеть, как вывод агента превращается в решение с владельцем и сроком?
Напишите нам, отправим примеры ИИ-сводок.
Получить примеры сводок Написать в телеграм Написать в MAX